AI BENCHY

Leaderboard de Benchmark de IA

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04 Modelos evaluados: 163

163/163

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#137#137	Elephant Alphanone	5.1	Openrouter	$0.000	1.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad N/D Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 33,743 Tokens de salida 2,573 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.22s Tiempo de respuesta (total) 22.03s Tiempo de respuesta (máximo) 3.81s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 4.2 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#58#58	Gemini 3.1 Flash Lite Previewnone	7.2	Google	$0.018	1.21s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% Pruebas inestables 1 Tokens de entrada 37,582 Tokens de salida 5,547 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.21s Tiempo de respuesta (total) 25.45s Tiempo de respuesta (máximo) 3.39s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#106#106	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 37.0% Pruebas inestables 1 Tokens de entrada 40,597 Tokens de salida 1,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.19s Tiempo de respuesta (total) 21.43s Tiempo de respuesta (máximo) 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#144#144	GPT-5.4 Mininone	4.9	OpenAI	$0.038	1.13s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 30.2% Pruebas inestables 3 Tokens de entrada 34,244 Tokens de salida 2,541 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.13s Tiempo de respuesta (total) 23.82s Tiempo de respuesta (máximo) 2.52s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 33.3% Pruebas inestables 0 Tokens de entrada 41,313 Tokens de salida 1,923 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.11s Tiempo de respuesta (total) 19.96s Tiempo de respuesta (máximo) 6.04s Respuesta incorrecta: 10 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.4 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0
#90#90	Gemini 3.1 Flash Litenone	6.4	Google	$0.013	1.06s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 52.4% Pruebas inestables 4 Tokens de entrada 36,710 Tokens de salida 2,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.06s Tiempo de respuesta (total) 22.35s Tiempo de respuesta (máximo) 2.97s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#97#97	Gemini 2.5 Flashnone	6.2	Google	$0.016	875ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 1 Tokens de entrada 35,926 Tokens de salida 1,770 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 875ms Tiempo de respuesta (total) 18.37s Tiempo de respuesta (máximo) 4.39s Respuesta incorrecta: 12 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#146#146	Laguna Xs.2none	4.8	Poolside	$0.000	806ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 0 Tokens de entrada 33,675 Tokens de salida 2,826 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 806ms Tiempo de respuesta (total) 12.09s Tiempo de respuesta (máximo) 2.01s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 2.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#160#160	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 14 Fiabilidad N/D Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 10,771 Tokens de salida 1,173 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 782ms Tiempo de respuesta (total) 10.94s Tiempo de respuesta (máximo) 3.15s Respuesta incorrecta: 9 Error de API: 4 No siguió las instrucciones: 1 Trucos anti-IA : 3.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.8 Llamada de herramientas : 3.0
#162#162	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 17.5% Pruebas inestables 2 Tokens de entrada 11,661 Tokens de salida 1,302 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 9.47s Tiempo de respuesta (máximo) 2.21s Respuesta incorrecta: 9 Error de API: 6 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#163#163	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 9.5% Pruebas inestables 0 Tokens de entrada 46,285 Tokens de salida 2,911 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 15.29s Tiempo de respuesta (máximo) 2.17s Respuesta incorrecta: 13 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.9 Programación : 4.5 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 3.6 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#155#155	Mercury 2none	4.5	Inception	$0.011	653ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 2 Tokens de entrada 28,113 Tokens de salida 4,439 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 653ms Tiempo de respuesta (total) 13.72s Tiempo de respuesta (máximo) 1.43s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	Mistral Small 4none	4.9	Mistral	$0.007	630ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 37,309 Tokens de salida 2,201 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 630ms Tiempo de respuesta (total) 13.22s Tiempo de respuesta (máximo) 1.72s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida